
Потенциал больших языковых моделей в отчетности по показателям качества в больницах
Отчетность по показателям качества в больнице играет ключевую роль в обеспечении эффективного и безопасного ухода за пациентами. Эти показатели качества оценивают критические аспекты здравоохранения, позволяя больницам постоянно улучшать свои услуги. Однако текущие методы отчетности требуют много времени и подвержены ошибкам из-за трудоемкого ручного процесса. Теперь исследователи обратились к технологиям для рационализации этих процедур. Большие языковые модели (LLM) показали себя многообещающими в автоматизации сложных задач в здравоохранении, таких как разработка медицинских чат-ботов и веб-проверок симптомов. Недавнее пилотное исследование показало, что большие языковые модели могут эффективно улучшить отчетность по показателям качества в больнице, достигая высокой точности при сокращении ручного труда.
Проблемы ручного составления отчетов о показателях качества
Отчетность о показателях качества вручную представляет несколько проблем для организаций здравоохранения. Обычно этот процесс требует, чтобы люди-абстрагировщики извлекали и интерпретировали информацию из электронных медицинских карт (ЭМК) и других источников клинических данных. Этот метод не только трудоемкий, но и требует много времени, часто занимая дни или даже недели. Более того, ручные обзоры подвержены ошибкам из-за неправильного толкования или несоответствий, что может поставить под угрозу целостность данных о качестве. Поскольку показатели качества в больнице напрямую влияют на уход за пациентами и их безопасность, крайне важно поддерживать высокую точность отчетности. Однако ресурсы и рабочая сила, необходимые для ручного абстрагирования, делают его неэффективным, что подчеркивает необходимость технологических решений, таких как большие языковые модели (LLM).
Исследование, проведенное командой здравоохранения Калифорнийского университета в Сан-Диего, позволило устранить эти ограничения, используя систему на основе LLM. Они стремились автоматизировать процесс абстракции, особенно сосредоточившись на пакете управления тяжелым сепсисом и септическим шоком (SEP-1). SEP-1 — это сложная мера качества, включающая 63-шаговую оценку, которая традиционно требует нескольких ручных рецензентов. Сложность таких мер часто приводит к несоответствиям и ошибкам в ручной отчетности. Таким образом, автоматизация этой задачи с помощью системы LLM открывает путь к более надежной и экономически эффективной отчетности.
LLM оптимизируют отчетность по показателям качества
Исследователи разработали свою систему LLM для приема данных, представленных в формате Fast Healthcare Interoperability Resources (FHIR), который обычно используется для обмена медицинской информацией. Система была обучена с использованием выборки из 100 ручных абстракций SEP-1, что позволило ей учиться и имитировать ручной процесс. Цель состояла в том, чтобы создать систему, которая могла бы не только воспроизводить ручной процесс абстракции, но и улучшать его, выявляя и исправляя несоответствия.
Результаты исследования были многообещающими, LLM достигла 90% уровня согласия с ручными отчетами. Такой уровень точности демонстрирует потенциал интеграции LLM в рабочие процессы больницы для поддержки отчетности по показателям качества. Кроме того, проанализировав расхождения между LLM и ручными отчетами, исследователи обнаружили, что некоторые несоответствия были вызваны ошибками, внесенными во время ручного абстрагирования. Это открытие предполагает, что LLM могут соответствовать и превосходить человеческие результаты в определенных областях за счет сокращения человеческих ошибок.
Внедрение LLM в отчетность по показателям качества может привести к значительному повышению эффективности систем здравоохранения. Автоматизируя процесс абстрагирования данных, больницы могут сэкономить драгоценное время и ресурсы, позволяя своему персоналу больше сосредоточиться на непосредственном уходе за пациентами. Более того, способность LLM обрабатывать данные в режиме, близком к реальному времени, имеет потенциал для улучшения персонализированного ухода, предоставляя медицинским работникам своевременный доступ к качественной информации.
Будущие последствия для эффективности здравоохранения и опыта пациентов
Интеграция LLM в отчетность по показателям качества в больницах может трансформировать эффективность здравоохранения и опыт пациентов. Автоматизируя трудоемкие задачи, LLM могут значительно снизить административную нагрузку на медицинских работников. Этот сдвиг позволяет специалистам по улучшению качества уделять больше времени улучшению ухода за пациентами и решению конкретных проблем. Кроме того, повышение эффективности, достигнутое за счет автоматизации, может привести к экономии средств, что принесет пользу организациям здравоохранения в масштабе.
Исследователи предвидят будущее, в котором отчетность в режиме реального времени станет нормой в рабочих процессах больницы, поддерживаемой передовыми LLM. Обрабатывая показатели качества эффективно и точно, LLM могли бы способствовать более обоснованному принятию решений в уходе за пациентами. Возможность выявлять и исправлять ошибки в отчетности по качеству также повышает надежность данных, в конечном итоге улучшая результаты лечения пациентов. По мере продвижения исследований ожидается дальнейшее совершенствование и валидация систем LLM, что проложит путь для более широкого внедрения этих инструментов в здравоохранении.
Пилотное исследование подчеркивает потенциал LLM для революционного изменения отчетности по показателям качества в больницах за счет повышения эффективности, снижения затрат и улучшения точности извлечения данных. Ручные процессы абстрагирования являются ресурсоемкими и подвержены ошибкам, что подчеркивает необходимость автоматизированных решений. LLM предлагают жизнеспособную альтернативу, реорганизуя процессы отчетности и повышая общее качество ухода. Эти модели, вероятно, будут играть все более важную роль в рабочих процессах больниц, облегчая отчетность в реальном времени и позволяя медицинским работникам больше сосредоточиться на уходе, ориентированном на пациента. Такая интеграция технологий в здравоохранение не только повышает операционную эффективность, но и поддерживает предоставление высококачественного, персонализированного ухода за пациентами.
Источник: TechTarget